随想录（从kaldi学习语音识别）-CFANZ编程社区

语音识别是一个技术活。之前一直不是很了解，特别是听到梅尔倒谱系数、GMM、HMM、DNN、NLP这些概念的时候就头疼。今天晚上，趁着有时间，看了一下kaldi的基本代码，心里有了一些基本的概念。

1、代码地址

https://github.com/kaldi-asr/kaldi

2、主要目录

tools/，提示安装哪些第三方软件

src/，源代码目录

egs/，示例工程目录

3，主要的开发语言

cc、shell、perl

4、最简单的范例

https://github.com/kaldi-asr/kaldi/tree/master/egs/yesno/s5

5、使用方法

先编译tools下面的第三方库，接着编译src代码，最后选择一个egs工程运行，

可以参考这个链接

6、最简单的范例脚本

上面提到的yesno是最简单的工程，那我们可以看一下最简单的脚本run.sh

kaldi基本上是用脚本驱动来完成各个工程范例的，但是逻辑都比较类似

#!/bin/bash

train_cmd="utils/run.pl"
decode_cmd="utils/run.pl"


if [ ! -d waves_yesno ]; then
  wget http://www.openslr.org/resources/1/waves_yesno.tar.gz || exit 1;
  # was:
  # wget http://sourceforge.net/projects/kaldi/files/waves_yesno.tar.gz || exit 1;
  tar -xvzf waves_yesno.tar.gz || exit 1;
fi

train_yesno=train_yesno
test_base_name=test_yesno

rm -rf data exp mfcc

# Data preparation

local/prepare_data.sh waves_yesno
local/prepare_dict.sh
utils/prepare_lang.sh --position-dependent-phones false data/local/dict "<SIL>" data/local/lang data/lang
local/prepare_lm.sh

# Feature extraction
for x in train_yesno test_yesno; do 
 steps/make_mfcc.sh --nj 1 data/$x exp/make_mfcc/$x mfcc
 steps/compute_cmvn_stats.sh data/$x exp/make_mfcc/$x mfcc
 utils/fix_data_dir.sh data/$x
done

# Mono training
steps/train_mono.sh --nj 1 --cmd "$train_cmd" \
  --totgauss 400 \
  data/train_yesno data/lang exp/mono0a 
  
# Graph compilation  
utils/mkgraph.sh data/lang_test_tg exp/mono0a exp/mono0a/graph_tgpr

# Decoding
steps/decode.sh --nj 1 --cmd "$decode_cmd" \
    exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno

for x in exp/*/decode*; do [ -d $x ] && grep WER $x/wer_* | utils/best_wer.sh; done